前言

现代工业及信息科学技术的发展推动了现代机械设备的自动化、复杂化、高速化、智能化的快速进步。机电设备的状态监测与故障趋势预测研究已成为国内外科学研究中的热点课题，主要包括数据采集、信号处理、趋势分析和决策分析四个阶段，融合了机械动力学、机械故障诊断学、信号处理、数据挖掘和人工智能等多学科知识。开展该研究能够保障机械设备长期安全、满负荷运行，实现设备早期故障预警，提高设备安全性、任务可靠性以及降低设备全寿命周期费用，对实施机电设备科学维护具有重要意义。

本书针对机电设备，以揭示设备机械动态特性为手段，介绍设备状态自动在线监测及预测的方法以及相应的软件系统和硬件系统。主要内容有：

（1）介绍常用传感器的原理及应用；研究时域、频域信号处理方法，突出信号特征，便于自动比较、判别；围绕信号处理的实时性、实用性、稳定性进行相应的设计和改进；探讨新的谱估计方法以及小波分析方法。

（2）介绍变工况非平稳信号预处理及特征提取方法，去除冗余信息，分离工况影响及背景噪声，提高信噪比，使得提取的故障趋势特征与机电系统负载变化等非故障变化特征弱耦合以致分离。

（3）介绍大型机组状态监测的准则，选择安全评定的标准，确定机组状态评价的判据；介绍机组状态特征信号的敏感因子（特征参数）提取方法和机组异常情况的判断方法；介绍状态自动判别智能专家系统；提出机组运行稳定性劣化状态的评价分析方法。

（4）介绍趋势预测模型中时间序列模型预测、灰色模型预测、组合模型预测、联合预测等方法的应用，围绕提高预测精度研究新型改进模型；探讨神经网络ANN在机电设备状态预测中的应用；研究适用于预测用途的新型神经网络模型；探索了采用遗传算法GA优化模型进行机组运行趋势预测的途径。

（5）介绍建立机组状态自动判别和趋势预示智能专家系统的方案，介绍由智能专家系统实现在线分析及决策判断自动化的方法；研制具有典型机械结构和现代测试分析功能的新型实验系统，模拟典型机电设备的运行状态，进行机电设备状态在线监测及预测技术的实验研究。

本书内容有利于保障机电装备的安全运行，提高设备故障维护保养效率及信息化管理水平，在机电设备状态监测与故障趋势预测研究方面提供了可靠、有效及适用的研究思路，对相关领域的工程实践人员具有较大参考价值。

本书得到了国家自然科学基金项目“基于能量解耦的风力发电旋转机械故障趋势预示方法研究”、北京市自然科学基金重点项目（A类）“面向新能源装备的复杂机电系统运行稳定性劣化趋势方法研究”、北京市自然科学基金重点项目（B类）“变工况风力发电旋转机械的故障特征趋势预示方法研究”、北京市优秀人才培养资助项目“热流瞬态失衡的信息获取与检测方法研究”、北京市教委青年拔尖人才培育计划“热流瞬态失衡的多元信息获取与传热效应优化研究”、北京市2011协同创新中心项目“世界城市循环经济体系产业协同创新中心建设项目——高端装备过程监控与安全服役关键技术”等项目的资助，在此表示衷心感谢。

本书由吴国新、刘秀丽、蒋章雷等编著。参加编写的人员还有徐小力、左云波、谷玉海、王立勇、王少红、马超、赵西伟、陈涛、孟玲霞等。在编写过程中我们得到北京信息科技大学、现代测控技术教育部重点实验室、机电系统测控北京市重点实验室、机械工程学会设备与维修工程分会等单位的大力支持和帮助，在此表示衷心感谢。

由于机电设备状态监测与故障趋势预测技术还在不断地发展，编者水平有限，书中不妥之处在所难免，热诚地欢迎各位专家学者对本书提出宝贵建议。

编著者